Anthropic scommette $100B per battere i $1.4T di OpenAI nella corsa agli armamenti AI

Il principale dirigente di Anthropic ha un messaggio per il mondo tecnologico, che sta affrettandosi a versare miliardi nell'intelligenza artificiale intelligenza. Dice che più grande non è sempre meglio.

Daniela Amodei, che guida l'azienda come presidente e ha contribuito a fondarla, parla spesso di un'idea che plasma tutto ciò che l'azienda fa. Lo chiama “fare di più con meno.”

Questo modo di pensare mette Anthropic in contrasto con ciò in cui crede la maggior parte di Silicon Valley in questo momento. Le più grandi aziende tecnologiche e i loro finanziatori agiscono come se la dimensione determinasse chi vince. Stanno raccolendo quantità senza precedenti di denaro, acquistando chip per computer anni prima che ne abbiano bisogno e costruendo enormi edifici pieni di server in tutta l'America centrale. La loro scommessa è semplice: chi costruisce l'operazione più grande vince.

OpenAI mostra questo approccio più chiaramente. L'azienda ha fatto impegni per circa $1,4 trilioni per potenza di calcolo e infrastrutture correlate. Lavorando con vari partner, la società sta allestendo enormi strutture di data center e ottenendo chip avanzati più velocemente di quanto l'industria abbia mai fatto prima.

Anthropic pensa che ci sia un percorso diverso. L'azienda crede che una spesa attenta, algoritmi migliori e modi più intelligenti di usare la tecnologia possano mantenerli competitivi senza cercare di spendere più di tutti gli altri.

La situazione ha un peso extra perché Daniela Amodei e suo fratello Dario hanno contribuito a creare la stessa filosofia contro cui ora stanno lavorando. Dario guida Anthropic come amministratore delegato e in precedenza ha lavorato presso Baidu e Google. Faceva parte del team di ricerca che ha reso popolare l'approccio di scaling che ora guida il modo in cui le aziende costruiscono i modelli di IA. Il principio di base dice che aggiungere più potenza di calcolo, più dati e rendere i modelli più grandi tende a renderli migliori in modi che puoi prevedere.

Le leggi di scaling guidano l'economia del settore

Questo modello ora sostiene l'intera struttura finanziaria della competizione nell'IA. Spiega perché le aziende che gestiscono servizi cloud spendono così tanto denaro, perché i produttori di chip comandano prezzi delle azioni così alti e perché gli investitori privati attribuiscono valutazioni enormi ad aziende che stanno ancora perdendo denaro mentre crescono.

Ma Anthropic vuole dimostrare che la prossima fase della competizione non sarà vinta solo da chi può permettersi i run di addestramento iniziali più grandi. Il loro piano si concentra sull'uso di informazioni di qualità migliore per l'addestramento, tecniche applicate dopo l'addestramento iniziale che migliorano il modo in cui i modelli risolvono i problemi e decisioni sui prodotti che rendono i modelli meno costosi da gestire e più facili da usare per i clienti su larga scala. Questa ultima parte è importante perché le bollette di calcolo non finiscono mai una volta che i modelli sono effettivamente in esecuzione.

Anthropic non sta lavorando con spiccioli. L'azienda ha circa $100 miliardi di impegni di calcolo e si aspetta che queste esigenze crescano se vuole rimanere all'avanguardia. Come riportato di recente da Cryptopolitan, Amazon ha alimentato il modello Claude di Anthropic con la sua nuova infrastruttura AI Rainier che presenta oltre un milione di chip Trainium2.

“I requisiti di calcolo per il futuro sono molto grandi”, ha detto Daniela Amodei a CNBC. “Quindi ci aspettiamo, sì, avremo bisogno di più calcolo per essere in grado di rimanere all'avanguardia man mano che diventiamo più grandi.”

Anche così, l'azienda afferma che i grandi numeri riportati in tutto il settore spesso non possono essere confrontati direttamente. La fiducia generale del settore sulla quantità corretta da spendere non è così ferma come sembra.

“Molti dei numeri che vengono lanciati sono piuttosto non esattamente paragonabili, a causa di come è strutturato uno di questi accordi in un certo senso ”, ha detto, parlando di come le aziende si sentano spinte a impegnarsi in anticipo per ottenere l'hardware anni dopo.

La realtà più ampia, ha notato, è che anche le persone che hanno contribuito a sviluppare la teoria dello scaling sono state colte di sorpresa da quanto costantemente siano cresciuti le prestazioni e i risultati aziendali.

“Siamo continuati a essere sorpresi, anche noi che abbiamo fatto da pionieri a questa credenza nelle leggi di scaling”, ha detto Daniela Amodei. “Qualcosa che sento spesso dai miei colleghi è che l'esperienzialità continua finché non lo fa. E ogni anno siamo stati come: ‘Beh, questo non può essere il caso che le cose continueranno in modo esponenziale’, e poi ogni anno lo ha fatto.”

Cosa succede quando la crescita si ferma?

Daniela Amodei ha separato il trend tecnologico dal trend economico, una differenza importante che spesso viene confusa nella discussione pubblica. Guardando solo la tecnologia, ha affermato che Anthropic non vede un rallentamento dei progressi in base a ciò che hanno osservato.

“Indipendentemente da quanto sia buona la tecnologia, ci vuole tempo perché venga utilizzata in un contesto aziendale o piuttosto personale”, ha detto. “La vera domanda per me è: quanto rapidamente possono le aziende in particolare, ma anche gli individui, sfruttare la tecnologia?”

“L'esponenziale continua finché non lo fa”, ha detto Daniela Amodei. La domanda per il 2026 è cosa succederà alla corsa all'IA e alle aziende che la costruiscono se il modello di crescita preferito dall'industria smetterà finalmente di funzionare.

Mentre l'industria cerca di gestire la domanda di calcolo AI che cresce 2 volte più velocemente della Legge di Moore, richiedendo $500 miliardi annualmente fino al 2030, la scommessa di Anthropic sull'efficienza rispetto alla scala grezza potrebbe rivelarsi profetica, o potrebbe scoprire che nella corsa all'IA, non c'è sostituto per il potere computazionale schiacciante.